zhengyun_ustc 20070406
刘韧的《
4
月
6
日
CSDN
软件英雄会
》中，这句话无意中透露出了
CSDN
的一个野心：
“
CSDN
这个过滤器，将
108
人筛选出来，给了这
108
人抛头露面的机会，这
108
人同时也成了投资人、创业者、合作者的机会。
”
过去的几年，我一直受
CSDN
的强力推介，我的
blog
常出现在
CSDN
首页，给我带来了很大的流量，带来了很多的朋友。所以我对
CSDN
的专家系统非常期待。专家系统相当于一个过滤器，为
CSDN
的
150
万注册用户，为
IT
企业，也为专家，提供了更直接更快速找到你所需的平台，不管你是需要传道授业解惑，还是寻找人才，或是寻找合作机会。
我们清楚地看到，面对庞大的社区，不管是
CSDN
、
JavaEye
、
ITPub
，还是
天涯
、
Donews
，都必须解决以下问题：
信息过载
。
就像我在《
创业
+
社区点评：信息会过载吗？
》中所说的：“
如果人数多了起来，不知道以现有的挖掘资源和提示资源存在方式，未来如何为创业者或者拥有资源者提供方便的遴选方式，迅速找到合适的资源？
”
那么
CSDN
现在正致力于解决这个问题。让更多人通过这个平台凸现出来仅仅是一个小问题，让用户知道专家是哪些人、在哪里，和淘宝的诚信通是一个层面的东西。这还仅仅是解决了人们日常较少的一部分需求。更多的需求是什么？
我相信是：
我看到的内容和我是相关的，并且随着我的兴趣变化而自动变化的，而且这些内容应该可以自由按照某种规律排列组合，而不仅仅是一股脑地把
URL
链接丢给用户。
那么，有什么可能的手段呢？
Google
资讯提供了其中一种解决方案：
“
Google
资讯和豆瓣网的做法类似：
•
Google
资讯会使用智能算法来分析您的选择，并专门针对您推荐相关报道。该算法会将您的口味与其他
Google
资讯用户组的总体口味加以比较。简而言之，
Google
向您推荐的资讯是阅读趣味与您类似的众多其他用户读过的报道
。随着时间的推移，您登录到
Google
帐户时使用
Google
资讯的次数越多，推荐内容的效果就越好。
”
也就是说，
CSDN
肯定可以采用这种方式，因为
CSDN
已经可以有大量用户的点击行为可以分析，从而形成如下的推送模式：
点击过
RoR
和
SOA
新闻的网友们，还都点击了哪些博文，这样就可以在
RoR
新闻下列出，对此则新闻感兴趣的网友还对以下博客文章、论坛帖子感兴趣。
这个是利用了用户对网站的主动交互行为。
到底有多少
CSDN
注册用户养成了上首页看业界新闻和社区帖子的习惯呢？
如果这种比例不高，那么是否还存在其他方式来智能推送呢？
我和金山的
许式伟
在
CSDN
现场聊的时候，都提到了一个概念：
用户的写作就是一种交互行为
，它
(Blog
、论坛帖子
)
和点击行为一样重要，甚至更能反映人心。
这就是另外一种解决之道。
希望
CSDN
的信息过滤器能考虑这个思路。
去年，
曾登高
也谈及哪些方式可以解决信息过载，他是这么说的：
“更多智能的方案正在浮出水面，
Incomplete
在
RSS
阅读排序与过滤的
7
种方式
介绍了一些方向，我本人看好
2
个方向：
根据阅读行为进行智能排序
Findory
的作者
Greg Linden
是
Amazon
的数据挖掘系统的负责人，这是他使用
Amazon Recommendations
技术在信息自动推荐上非常好的尝试。如果
Bloglines
采用这样的技术，将信息源限制在自己的订阅范畴，就可以实现我对
Keso
说的自动过滤了。
根据反向链接数等因素对内容进行排序
Memeorandum
是典型，也可以称作
Meme Engine
，
郑昀在系列文章中比较详细地介绍了
Meme Engine
的原理
(
一
、
二
、
三
)
。
Memeorandum
其实就是一个信息过滤器，可以迅速发现
Blog
圈内的热点新闻和事件。另外像
Megite
推出的
个性化
Tracker
也是不错的尝试。
”
只不过，去年我沿着原来我写的《
Meme Engine
话题
(
一
、
二
、
三
)
》信息过滤器思路往下走，不像老外所采用的反向链接技术，而是文本挖掘技术。原因很简单，中国人的文章中很少嵌入链接。文本挖掘更符合国情，反向链接是死胡同。
而且这条自然语言处理的路走下去，越来越宽，已经不再仅仅是“
用主题来重组互联网内容
”和“
发现新热点
”这么简单了，更重要的就是“
按人来重组互联网内容
”，这要求我们“
更精确地了解人
”。通过什么？就是通过人们的写作，通过博文通过帖子，了解一个个虚拟
ID
背后的人性欲望。
Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=1556148
